Hướng dẫn sử dụng iMed
Giới thiệu
1.1. Mục đích
Mục đích của việc này web ứng dụng là lấy thông tin thô và cho phép thao tác nó theo cách mang lại kết quả hữu ích trong việc ra quyết định. Điều này có thể là huấn luyện một mô hình với dữ liệu thô hoặc dự đoán kết quả bằng cách sử dụng mô hình và phân tích.
1.2. Menu điều hướng
Menu điều hướng ở đầu trang chứa tất cả các liên kết để đến nơi bạn cần. Nếu bạn bị lạc, bạn luôn có thể nhấp vào mũi tên quay lại để đến trang quen thuộc, quay lại trang chủ hoặc tìm trang bạn đang tìm kiếm trong menu điều hướng.
1.3. Tài khoản
Nếu chưa có tài khoản, bạn phải đăng ký để sử dụng ứng dụng. Để làm như vậy, hãy nhấp vào nút tài khoản ở trên cùng bên phải và nhấp vào đăng ký. Sau đó nhập tên người dùng, mật khẩu và email của bạn để tiếp tục.
Nếu bạn đã có tài khoản, hãy đăng nhập bằng tên người dùng và mật khẩu của bạn.
Trang chủ
Bằng cách nhấp vào các mục ở bên trái trang, phần mô tả của từng mục sẽ xuất hiện ở giữa trang để giúp bạn hiểu chức năng của từng mục.
iMedBot
Ứng dụng iMedBot trình bày một giao diện giúp người dùng dễ dàng tương tác với các tác nhân, cho phép đào tạo mô hình và dự đoán được cá nhân hóa. Nó đóng vai trò là bước đầu tiên hướng tới việc chuyển đổi kết quả của nghiên cứu học sâu thành một công cụ trực tuyến, có tiềm năng thúc đẩy các hoạt động nghiên cứu bổ sung trong lĩnh vực này. Hướng dẫn sử dụng tương ứng của nó có thể được tìm thấy ở đây.
Phân tích dữ liệu
4.1. Truy xuất tập hợp con
Phần này cho phép người dùng chỉnh sửa tập dữ liệu của họ. Bạn có thể chọn tải lên tập dữ liệu mới hoặc sử dụng tập dữ liệu hiện có từ menu thả xuống.
Khi tập dữ liệu đã được tải lên, bạn có thể chọn hành động bạn muốn thực hiện bằng cách nhấp vào một trong các tùy chọn ở menu bên trái.
4.1.1. Truy xuất các tập hợp con dựa trên bộ lọc
Phần này cho phép lấy tập hợp con nhỏ hơn của tập dữ liệu gốc dựa trên các bộ lọc nhất định. Chọn các giá trị bạn muốn trong tập hợp con rồi chọn các cột bạn muốn hiển thị trong tập dữ liệu cuối cùng.
4.1.2. Trả về kết quả đã sắp xếp
Điều này trả về tập dữ liệu ở dạng được sắp xếp. Chọn cột mục tiêu, thứ tự sắp xếp, số hàng cần trả về và cột nào sẽ hiển thị trong kết quả cuối cùng.
4.1.3. Mở rộng tập dữ liệu
Điều này cho phép người dùng mở rộng một cột đơn lẻ được lưu trữ dưới dạng từ điển thành một bảng thực tế mà sau đó người dùng có thể thao tác. Nó lấy một tập dữ liệu lồng nhau và di chuyển những gì người dùng yêu cầu vào lớp trên cùng. Trước tiên, hãy tải tập dữ liệu lên bao gồm một cột có tập dữ liệu lồng nhau. Nếu cột cần mở rộng được tự động phát hiện, hãy chọn cột cần mở rộng và cột nào cần trích xuất từ thông tin lồng nhau. Nhấp vào gửi và bạn có thể view thông tin của bạn dưới dạng các cột của bảng thay vì dữ liệu lồng nhau.
4.2. Hợp nhất Files
Bằng cách chọn và tải lên nhiều tập dữ liệu bằng cách nhấp vào ctrl (lệnh dành cho mac), thao tác này sẽ hợp nhất chúng thành một tập dữ liệu lớn hơn được sử dụng cho mục đích khác.
Chỉ cần chọn tất cả các tập dữ liệu và điền thông tin cần thiết. Thao tác này sẽ lưu tập dữ liệu mới vào ứng dụng iMed và sau đó có sẵn để tải xuống.
4.3. Chức năng vẽ đồ thị
Phần này cho phép người dùng vẽ sơ đồ tập dữ liệu của họ. Chọn một trong các tùy chọn trên menu bên trái, sau đó điền vào các trường bắt buộc để có được âm mưu của bạn. Dưới đây là các loại biểu đồ bạn có thể tạo từ dữ liệu của mình:
4.4. Phân tích thống kê
Phần này cho phép chúng tôi chạy thử nghiệm thống kê trên tập dữ liệu của mình. Chọn một bài kiểm tra để chạy từ menu bên trái và điền vào các trường để chạy bài kiểm tra. Dưới đây là các loại bài kiểm tra có sẵn:
ODPAC
5.1. Học
Trang này bao gồm mô tả ngắn gọn về từng loại tài nguyên có sẵn trên trang này. Nhấp vào nút ở đầu mỗi phần sẽ liên kết đến một trang khác cho phép người dùng sử dụng hoặc tìm hiểu thêm về chủ đề đó.
5.1.1. Tương tác
Trang này cho phép chúng tôi sử dụng MBS, một thuật toán tìm kiếm để học hỏi từ dữ liệu. Cụ thể, nó cho phép chúng ta nghiên cứu hiện tượng epistark, sự tương tác giữa hai hoặc nhiều gen ảnh hưởng đến kiểu hình. Điều này rất hữu ích cho chuyên nghiệpfile bệnh ở khía cạnh di truyền. Các phương pháp thông thường không phù hợp để xử lý dữ liệu chiều cao được tìm thấy trong các nghiên cứu kết hợp trên toàn bộ gen (GWAS). Thuật toán Tìm kiếm đa tia (MBS) cho phép phát hiện các gen tương tác với tốc độ nhanh hơn nhiều. Tải lên dữ liệu bạn muốn sử dụng rồi nhập các trường bắt buộc. Để biết thêm thông tin chuyên sâu, hãy tìm toàn bộ bài viết ở đây.
5.1.2. Các yếu tố rủi ro
Trang này cho phép chúng tôi sử dụng gói IGain để tìm hiểu sự tương tác giữa các dữ liệu. Nó đặc biệt tìm hiểu các tương tác từ dữ liệu chiều cao bằng cách sử dụng tìm kiếm heuristic. Phương pháp này được xây dựng dựa trên phương pháp Drainive_IGain được phát triển trước đó để tìm hiểu các tương tác từ dữ liệu có chiều thấp. Tải dữ liệu lên và sau đó nhập các trường bắt buộc. Bạn có thể tìm thêm thông tin về ngưỡng IS và iGain tại đây.
5.1.3. Mô hình dự đoán
Phần này cho phép sử dụng các mô hình dự đoán đã được xây dựng sẵn trên các mô hình học máy để đẩy nhanh việc sử dụng nó. Điều này cho phép họ sử dụng mà không cần sử dụng mã hóa và kinh nghiệm trước đó để dự đoán các mô hình bằng cách sử dụng tập dữ liệu của riêng họ. Có rất nhiều mô hình dự đoán có sẵn cho người dùng bao gồm Logistic, Regression, Support Vector Machines (SVM), Cây quyết định, v.v. Danh sách đầy đủ các phương pháp dự đoán được tìm thấy ở phía bên phải của trang tại đây.
5.2. Sự dự đoán
Phần này cho phép dự đoán từ một mô hình được chia sẻ đã tải lên trước đó. Đầu tiên hãy tải lên một mô hình được chia sẻ nếu chưa làm như vậy. Sau đó chọn mô hình để sử dụng cho dự đoán bằng cách nhấp vào tên mô hình. Sau đó tải dữ liệu lên cho mô hình dự đoán sử dụng. Việc này có thể được thực hiện thủ công bằng cách sử dụng biểu mẫu ở cuối trang hoặc sử dụng mẫu có sẵn để tải xuống. Nếu sử dụng mẫu, hãy tải tập dữ liệu lên file và nhấp vào gửi để nhận dự đoán mô hình.
5.3. Hỗ trợ quyết định
Hỗ trợ quyết định cung cấp sự phân loại và có thể hướng dẫn các lựa chọn điều trị từ thông tin được cung cấp cho hệ thống. Nó đã được đào tạo từ dữ liệu để đề xuất quy trình điều trị tối ưu dựa trên đặc điểm của bệnh nhân. Bạn có thể tìm thêm thông tin về Hệ thống hỗ trợ quyết định lâm sàng (CDSS) tại đây.
Khuyến nghị của Hệ thống lấy các đặc điểm của bệnh nhân và đề xuất quy trình điều trị cũng như dự đoán khả năng di căn trong 5 năm trong tương lai. Can thiệp của người dùng xem xét cả đặc điểm của bệnh nhân và quy trình điều trị để dự đoán khả năng di căn trong 5 năm trong tương lai dựa trên phương pháp điều trị hiện tại thay vì phương pháp điều trị tối ưu.
MBIL
Markov Chăn và Người học Yếu tố Rủi ro Tương tác (MBIL) là một thuật toán tìm hiểu các yếu tố rủi ro đơn lẻ và tương tác có ảnh hưởng trực tiếp đến kết quả của bệnh nhân. Nhấp vào “đi tới MBIL” để được chuyển hướng đến Chỉ mục gói Python (PyPI) cho gói MBIL có tại đây. Thông tin thêm về MBIL có thể được tìm thấy tại BMC Bioinformatics.
Bộ dữ liệu
Phần này cho phép người dùng xem và tải các tập dữ liệu mới lên web ứng dụng.
7.1. Xem tất cả các bộ dữ liệu có sẵn
Để xem tất cả các tập dữ liệu có sẵn, chỉ cần nhấp vào “Hiển thị các tập dữ liệu có sẵn”.
7.2. Tải lên một tập dữ liệu
Để tải lên tập dữ liệu, hãy nhấp vào “Chia sẻ tập dữ liệu của bạn” rồi điền thông tin bắt buộc như đã nêu trên webtrang. Đầu tiên, tải tập dữ liệu lên và điền vào các trường bắt buộc.
Sau đó, điền vào các trường bên dưới hoặc tải lên một văn bản file với thông tin được điền vào. Một cựuampDưới đây là cách sắp xếp thông tin để ứng dụng có thể hiểu được.
Mô hình
Phần này cho phép người dùng xem các mô hình có sẵn cho họ và chia sẻ một mô hình.
8.1. Xem tất cả các mẫu có sẵn
Để xem tất cả các mẫu có sẵn, hãy nhấp vào “Hiển thị các mẫu có sẵn”.
8.2. Chia sẻ một mô hình
Để chia sẻ mô hình, hãy nhấp vào “Chia sẻ mô hình của bạn” và sau đó tải mô hình lên file được huấn luyện bằng dòng tensor hoặc PyTorch.
8.2.1. Tập dữ liệu liên quan
Sau đó, bạn nên tải lên tập dữ liệu liên quan bao gồm các tiêu đề. Lớp/nhãn cho tập dữ liệu phải ở cột cuối cùng.
8.2.2. Dự đoán và thông tin lớp
Nếu tập dữ liệu bao gồm tất cả các tính năng, biểu mẫu tính năng có thể bị bỏ qua sau khi tải tập dữ liệu lên. Tuy nhiên, nếu chúng không được bao gồm tất cả thì thông tin này phải được cung cấp trong phần mô tả file hoặc trong biểu mẫu tính năng. Chọn tùy chọn từ trình đơn thả xuống cho biết cách bạn dự định cung cấp các yếu tố dự đoán và thông tin về lớp.
Nếu sử dụng tùy chọn mô tả, bạn có thể điền vào các trường hoặc tải lên văn bản file với thông tin được điền vào. Một cựuample về cách tổ chức thông tin được đưa ra dưới đây.
Tài liệu / Tài nguyên
 |
Ứng dụng iMed Web Ứng dụng [tập tin pdf] Hướng dẫn sử dụng iMed, iMed Web Ứng dụng, Web Ứng dụng |